转载自：
https://mp.weixin.qq.com/s/TT0xR4tmhIsRQgBM501zsw
https://github.com/juliangaal/python-cheat-sheet/tree/master/NumPy

Numpy是一个用python实现的科学计算的扩展程序库，包括：

• 一个强大的N维数组对象Array
• 比较成熟的（广播）函数库
• 用于整合C/C++和Fortran代码的工具包
• 实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

1. 安装numpy

$ pip install numpy

或

$ conda install numpy

2. 基础

NumPy最常用的功能之一就是NumPy数组：列表和NumPy数组的最主要区别在于功能性和速度。

列表提供基本操作，但NumPy添加了FTTs、卷积、快速搜索、基本统计、线性代数、直方图等。

两者数据科学最重要的区别是能够用NumPy数组进行元素级计算。

2.1 占位符

操作	描述	文档
np.linspace(0, 2, 9)	数组中创建等差的值
np.zeros((1, 2))	创建全0数组
np.ones((1, 2))	创建全1数组
np.random.random((5, 5))	创建随机数的数组
np.empty((2, 2))	创建空数组

举例：

import numpy as np

# 1 dimensional
x = np.array([1,2,3])
# 2 dimensional
y = np.array([(1,2,3),(4,5,6)])

x = np.arange(3)
>>> array([0, 1, 2])

y = np.arange(3.0)
>>> array([ 0., 1., 2.])

x = np.arange(3,7)
>>> array([3, 4, 5, 6])

y = np.arange(3,7,2)
>>> array([3, 5])

2.2 数组属性

语法	描述	文档
array.shape	维度（行， 列）
len(array)	数组长度
array.ndim	数组的维度数
array.size	数组的元素数
array.dtype	数据类型
type(array)	显示数组类型

3. 拷贝/排序

操作	描述	文档
np.copy(array)	创建数组拷贝
other = array.copy()	创建数组深拷贝
array.sort()	排序一个数组
array.sort(axis=0)	按照指定轴排序一个数组

举例

import numpy as np
# Sort sorts in ascending order
y = np.array([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y.sort()
print(y)
>>> [ 1  2  3  4  5  6  7  8  9  10]

4. 数组操作例程

• 增加或减少元素

操作	描述	文档
np.append(a, b)	增加数据项到数组
np.insert(array, 1, 2, axis)	沿着数组0轴或1轴插入数据项
np.resize((2, 4))	将数组调整为形状(2, 4)
np.delete(array, 1, axis)	从数组里删除数据项

举例

import numpy as np
# Append items to array
a = np.array([(1, 2, 3),(4, 5, 6)])
b = np.append(a, [(7, 8, 9)])
print(b)
>>> [1 2 3 4 5 6 7 8 9]

# Remove index 2 from previous array
print(np.delete(b, 2))
>>> [1 2 4 5 6 7 8 9]

• 组合数组

操作	描述	文档
np.concatenate((a, b), axis=0)	连接2个数组，添加到末尾
np.vstack((a, b))	按照行堆叠数组
np.hstack((a, b))	按照列堆叠数组

举例

import numpy as np
a = np.array([1, 3, 5])
b = np.array([2, 4, 6])

# Stack two arrays row-wise
print(np.vstack((a,b)))
>>> [[1 3 5]
     [2 4 6]]

# Stack two arrays column-wise
print(np.hstack((a,b)))
>>> [1 3 5 2 4 6]

• 分割数组

操作	描述	文档
numpy.split()	分割数组
np.array_split(array, 3)	将数组拆分为大小（几乎）相同的子数组
numpy.hsplit(array, 3)	在第3个索引出水平拆分数组

# Split array into groups of ~3
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(np.array_split(a, 3))
>>> [array([1, 2, 3]), array([4, 5, 6]), array([7, 8])]

• 数组形状变化

操作	描述	文档
other = ndarray.flatten()	平铺一个二维数组到一维数组
numpy.flip()	翻转一维数组中元素的顺序
np.ndarray[::-1]	翻转一维数组中元素的顺序
reshape	改变数组的维数
squeeze	从数组的形状中删除单维度条目
expand_dims	扩展数组维度

• 其他

操作	描述	文档
array = np.transpose(other) / array.T	数组转置
inverse = np.linalg.inv(matrix)	求矩阵的逆矩阵

举例

# Split array into groups of ~3
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(np.array_split(a, 3))
>>> [array([1, 2, 3]), array([4, 5, 6]), array([7, 8])]

• 比较

操作	描述	文档
==	等于
!=	不等于
<	小于
>	大于
<=	小于等于
>=	大于等于
np.array_eaqual(x, y)	数组比较

举例

# Using comparison operators will create boolean NumPy arrays
z = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
c = z < 6
print(c)
>>> [ True  True  True  True  True False False False False False]

• 基本的统计

操作	描述	文档
np.mean(array)	MEAN
np.median	MEDIAN
np.corrcoef	CORRELATION COEFFICIENT
np.std(array)	STANDARD DEVIATION

举例

# Statistics of an array
a = np.array([1, 1, 2, 5, 8, 10, 11, 12])

# Standard deviation
print(np.std(a))
>>> 4.2938910093294167

# Median
print(np.median(a))
>>> 6.5

• 更多

操作	描述	文档
array.sum()	数组求和
array.min()	数组求最小值
array.max(axis=0)	数组求最大值（沿这0轴）
array.cumsum(axis=0)	指定轴求累积和

6. 切片和子集

操作	描述	文档
array[i]	索引i处的一位数组
array[i, j]	索引在[i][j]处的二维数组
array[i<4]	布尔索引
array[0:3]	选择索引为0， 1， 2
array[0:2, 1]	选择第0，1行，第1列
array[:1]	选择第0行数据项（与[0:1 , :]相同）
array[1:2, :]	选择第1行
array[::-1]	反转数组

举例：

b = np.array([(1, 2, 3), (4, 5, 6)])

# The index *before* the comma refers to *rows*,
# the index *after* the comma refers to *columns*
print(b[0:1, 2])
>>> [3]

print(b[:len(b), 2])
>>> [3 6]

print(b[0, :])
>>> [1 2 3]

print(b[0, 2:])
>>> [3]

print(b[:, 0])
>>> [1 4]

c = np.array([(1, 2, 3), (4, 5, 6)])
d = c[1:2, 0:2]
print(d)
>>> [[4 5]]

切片举例

import numpy as np
a1 = np.arange(0, 6)
a2 = np.arange(10, 16)
a3 = np.arange(20, 26)
a4 = np.arange(30, 36)
a5 = np.arange(40, 46)
a6 = np.arange(50, 56)
a = np.vstack((a1, a2, a3, a4, a5, a6))

image.png

7.小技巧

• 布尔索引

# Index trick when working with two np-arrays
a = np.array([1,2,3,6,1,4,1])
b = np.array([5,6,7,8,3,1,2])

# Only saves a at index where b == 1
other_a = a[b == 1]
#Saves every spot in a except at index where b != 1
other_other_a = a[b != 1]

import numpy as np
x = np.array([4,6,8,1,2,6,9])
y = x > 5
print(x[y])
>>> [6 8 6 9]

# Even shorter
x = np.array([1, 2, 3, 4, 4, 35, 212, 5, 5, 6])
print(x[x < 5])
>>> [1 2 3 4 4]